planA：nodejs平台+云开发

了解过微信云开发的应该都知道，无需搭建服务器，前端秒变全栈开发，云服务、云存储、云函数、云调用，省去写服务器代码，部署的繁琐流程，但是微信云开发服务是国内服务器，无法调取openai接口，所以此处用的是第三方云服务平台：aircode。

AirCode介绍：

是一个在线开发和部署 Node.js 应用的平台，为全栈工程师量身定制，目标是让开发变得简单。

我们通过提供极致简单的 WebIDE 和开箱即用的云服务，让开发者无需再操心后端选型、环境搭建和线上运维等一系列繁琐之事，只需打开浏览器即可完成产品开发，并部署到全球节点。

第一步：创建钉钉机器人

1. 进入钉钉开发者后台，选择应用开发 > 企业内部开发，点击创建应用按钮，在弹出的对话框中输入名称、简介等信息，完成应用创建。

1. 在创建好的应用页面中，点击左侧菜单的应用功能 > 消息推送，并打开机器人配置。

1. 在机器人配置的表单中，依次填入机器人名称、机器人图标、机器人简介、机器人描述和机器人消息预览图，并点击发布按钮完成发布。

注意：由于钉钉的安全策略，机器人名称中不要包含「ChatGPT」关键字，否则后续无法正常调用。

1. 发布成功后，进入基础信息 > 应用信息，可以看到 AppKey 和 AppSecret，点击复制备用。

第二步：创建 AirCode 应用

1. 通过 AirCode 源码链接中右上角的「Get a copy」按钮快速生成一个自己的 AirCode Node.js 应用。 注意不要直接复制代码，如果是直接复制纯代码粘贴过去，需要再手工安装 NPM 依赖包。 如果没有登录，需先登录 AirCode。推荐使用 GitHub 登录，会快一些。

1. 在弹出的对话框中，输入应用名称，并点击 Create 完成创建
2. 将钉钉开发者后台中机器人的 AppKey 和 AppSecret，粘贴到 AirCode 应用的环境变量（Environments）中。在 DING_APP_KEY 的 value 中填入 AppKey，在 DING_APP_SECRET 的 value 中填入 AppSecret。

1. 点击顶部的 Deploy 按钮，部署整个应用，使配置生效。

第三步：配置机器人接口和权限

1. 部署成功后，选择调用文件 chat.js，可以在编辑器函数名称下看到调用 URL，点击复制 URL。

1. 进入钉钉开发者后台中刚刚创建的机器人页面，在应用功能 > 消息推送中，将调用 URL 填写到消息接收地址项，并点击发布。

1. 进入基础信息 > 权限管理，在搜索框中输入「企业内机器人发送消息权限」，会看到列表中找到了对应的权限，点击右侧的申请权限按钮，完成权限配置。

第四步：测试聊天机器人

完成配置后，在钉钉的聊天窗口中可以搜到机器人进行私聊，或者将机器人加入到群中 at 机器人聊天。此时机器人已经可以对话了，但由于还没有配置 ChatGPT 能力，所以机器人会回复告知需要配置 OPENAI_KEY。提示：如果你的机器人返回了类似于「系统正在维护，无法使用 @ 能力」的回复，说明你的机器人名称或简介中包含了「ChatGPT」关键字，被钉钉屏蔽了，更改一下名称或简介后，重新发布即可。

第五步：接入 ChatGPT 能力

1. 登录到你的 OpenAI 控制台中（如果还没有账号，需要注册一个），进入 API Keys 页面，点击 Create new secret key 创建一个密钥。

注意：调用OpenAI接口是收费的，但是刚注册用户有免费赠送的5刀额度（之前是$18），额度用完或过期就得充值或者更换新账号，目前推荐更换新key是主流方案。（OpenAI 调用api如何收费计算方法）

1. 在弹出的对话框中，点击复制图标，将这个 API Key 复制并保存下来。注意：正确的 API Key 都是以 sk- 开头的字符串。

1. 进入刚才创建好的 AirCode 应用中，在 Environments 标签页，将复制的 API Key 的值填入 OPENAI_KEY 这一项的 value 中。

1. 再次点击 Deploy 部署应用后，可以在钉钉中测试。目前 ChatGPT 服务比较慢，尤其是模型版本越高级、问题越复杂，ChatGPT 服务的返回时间会越长。

planB：python3版+自有服务器部署

服务器要求：

国内服务器（开启科学上网）或者 海外服务器

创建钉钉机器人和planA步骤一样

代码及搭建方式下期分享：

xxx

planA和planB对比：

planA:

借助第三方服务，搭建简单，一键部署。

目前免费，后期可能会出收费版，差别应该是在服务器性能配置上有关。

planB：

要求自有服务器，并开启科学上网或者归属海外

部署相比云服务较为繁琐（对前端同学而言），对服务器环境和python版本有要求，在此踩了不少坑。

如果使用docker部署可能会方便很多。